深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 42795 篇文献，本页显示第 1261 - 1280 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1261 | 2026-03-18 |
Deep learning for accurate tumour volume measurement and prediction of therapy response in paediatric osteosarcoma
2025-Nov-01, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12115-w
PMID:41176552
|
研究论文 | 本研究开发了两种自动化的卷积神经网络，用于量化小儿骨肉瘤的肿瘤体积并基于MRI预测诱导化疗的反应 | 首次将3D U-Net用于小儿骨肉瘤的自动肿瘤体积分割，并基于MRI体积变化构建了预测化疗反应的CNN模型，实现了非侵入性的治疗反应评估 | 研究为回顾性、多中心设计，样本量相对有限（总计101名患者），且外部验证集仅来自一个中心 | 评估小儿骨肉瘤的治疗反应，开发自动化工具以替代依赖手动测量和术后组织病理学的传统方法 | 小儿骨肉瘤患者 | 数字病理学 | 骨肉瘤 | MRI | CNN | 图像 | 总计101名患者（训练集81名，外部验证集20名），对应202次MRI扫描 | NA | 3D U-Net | Spearman相关系数, Bland-Altman图, Dice系数, 准确率, 灵敏度, 特异性 | NA |
| 1262 | 2026-03-18 |
Deep Learning-Based Drug Half-Life Classification to Enhance Drug Development and Pharmacokinetics
2025-Nov, Advanced pharmaceutical bulletin
IF:3.1Q2
DOI:10.34172/apb.025.45420
PMID:41835054
|
研究论文 | 本研究提出了一种基于深度学习的药物半衰期分类方法，用于将药物分为短半衰期和长半衰期组，以支持药物开发和药代动力学研究 | 引入基于分类的方法，使用12小时阈值将药物分为短长半衰期组，相比传统回归模型，提高了临床可解释性并更好地处理药代动力学变异性 | 未在摘要中明确说明，可能包括数据集的局限性或模型对特定药物类型的泛化能力 | 预测药物半衰期以增强药物开发和药代动力学研究，改进给药策略 | 药物分子结构 | 机器学习 | NA | 分子结构处理 | CNN | 分子结构数据 | 未在摘要中指定具体样本数量 | 未在摘要中指定，可能基于常见深度学习框架如TensorFlow或PyTorch | AlexNet | 准确率, F1分数 | 未在摘要中指定 |
| 1263 | 2026-03-18 |
Multimodal pathomics and clinical features predict postresection permanent hydrocephalus in pediatric medulloblastoma
2025-Oct-31, Journal of neuro-oncology
IF:3.2Q2
DOI:10.1007/s11060-025-05263-y
PMID:41171470
|
研究论文 | 本研究利用深度学习提取的病理组学特征结合临床特征，预测儿童髓母细胞瘤术后持续性脑积水的风险 | 首次将深度学习提取的定量病理组学特征与临床特征相结合，构建多模态模型来预测儿童髓母细胞瘤术后持续性脑积水的风险，显著提高了风险分层能力 | 研究为单中心回顾性研究，样本量相对较小（90例患者），需要外部验证以确认模型的泛化能力 | 改善儿童髓母细胞瘤术后持续性脑积水的风险预测和分层 | 18岁以下接受治疗的髓母细胞瘤患者 | 数字病理学 | 髓母细胞瘤 | H&E染色 | CNN, 逻辑回归 | 图像, 临床数据 | 90例患者 | PyTorch | ResNet-18 | AUC, 平均精度 | NA |
| 1264 | 2026-03-18 |
Differential Diagnosis of Papillary Thyroid Carcinoma and Nodular Goiter With Papillary Hyperplasia Using Hyperspectral Imaging Technology
2025-Oct, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500200
PMID:40603107
|
研究论文 | 本研究评估了高光谱成像技术结合深度学习在区分甲状腺乳头状癌和结节性甲状腺肿伴乳头状增生方面的应用 | 首次将高光谱成像与带自注意力机制的一维卷积神经网络结合，用于甲状腺病变的鉴别诊断，并在特定光谱区域实现了高灵敏度 | 样本量相对较小（共82个样本），且仅使用了石蜡包埋样本，未涉及新鲜组织或活体成像 | 开发一种基于高光谱成像和深度学习的快速、非侵入性方法，以准确区分甲状腺乳头状癌和结节性甲状腺肿伴乳头状增生 | 石蜡包埋的甲状腺组织样本（43个PTC样本和39个NGPH样本） | 计算机视觉 | 甲状腺癌 | 高光谱成像（HSI），光谱范围400-1000 nm | CNN | 高光谱图像 | 82个石蜡包埋组织样本（43个PTC，39个NGPH） | NA | 带自注意力机制的一维卷积神经网络 | ROC曲线下面积（AUC），像素级分类准确率，灵敏度，特异性 | NA |
| 1265 | 2026-03-18 |
VASCilia (Vision Analysis StereoCilia): A Napari Plugin for Deep Learning-Based 3D Analysis of Cochlear Hair Cell Stereocilia Bundles
2025-Sep-23, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.17.599381
PMID:38948743
|
研究论文 | 本文介绍了VASCilia，一个基于深度学习的Napari插件，用于自动化分析耳蜗毛细胞立体纤毛束的三维形态 | 开发了首个开源、用户友好的Napari插件套件，集成了五个深度学习模型，用于自动化处理和分析耳蜗毛细胞立体纤毛束的3D共聚焦显微镜图像，并提供了首个手动标注的3D实例分割数据集 | 未明确说明模型在更广泛数据集或不同物种上的泛化能力，也未详细讨论计算效率或对硬件资源的具体要求 | 开发一个专门工具，以促进耳蜗毛细胞立体纤毛束的高通量、定量三维形态分析 | 耳蜗毛细胞及其立体纤毛束 | 计算机视觉 | NA | 共聚焦显微镜，鬼笔环肽染色 | 深度学习模型 | 3D共聚焦显微镜图像 | 约55个3D图像堆栈，包含502个内毛细胞束和1703个外毛细胞束的3D标注 | NA | Z-Focus Tracker (ZFT), PCPAlignNet, 分割模型, 分类工具 | NA | NA |
| 1266 | 2026-03-18 |
Your turn: At home turning angle estimation for Parkinson's disease severity assessment
2025-09, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103194
PMID:40577945
|
研究论文 | 本文提出了一种基于深度学习的方法，通过从视频中提取3D骨架并计算髋关节和膝关节的旋转，来自动量化帕金森病患者在家庭环境中的转身角度 | 这是首个探索使用单目摄像头数据在家庭环境中量化帕金森病患者转身行为的研究，重点关注自由生活场景下的复杂挑战 | 由于在自由生活环境中难以获取精确的真实数据，研究基于临床专家的手动标注将角度量化为最近的45°区间，这可能影响精度 | 开发一种自动量化帕金森病患者转身角度的方法，以评估疾病严重程度 | 帕金森病患者和健康对照志愿者 | 计算机视觉 | 帕金森病 | 视频分析，3D骨架提取 | 深度学习 | 视频 | 24名受试者（12名帕金森病患者和12名健康对照志愿者）的1386个转身视频片段 | NA | Fastpose, Strided Transformer | 准确率, 平均绝对误差, 加权精确率 | NA |
| 1267 | 2026-03-18 |
Longitudinal methods for Alzheimer's cognitive status prediction with deep learning
2025-Sep, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz.70488
PMID:40994414
|
研究论文 | 本研究开发了一种新的深度学习技术，用于预测阿尔茨海默病认知状态在3-10年内的变化 | 提出了一种新的机器学习技术，将认知状态预测从传统的1-3年扩展到3-10年，并引入了两种建模技术：分离标准化基线特征与基线偏差，以及一种新的基于线性注意力的插补方法 | 研究未明确提及样本的具体数量或数据集的详细特征，且长期预测（3-10年）仍具有挑战性 | 开发一种新的机器学习技术，以扩展对阿尔茨海默病认知状态的长期预测 | 遗忘型轻度认知障碍（aMCI）和阿尔茨海默病（AD）患者 | 机器学习 | 阿尔茨海默病 | 深度学习 | 深度学习模型 | 神经心理学数据和患者历史数据 | 使用国家阿尔茨海默病协调中心（NACC）数据库，具体样本数量未明确提及 | NA | 基于线性注意力的模型 | 1vA准确率 | NA |
| 1268 | 2026-03-18 |
Big data and AI: Potential and challenges for digital transformation in toxicology
2025-Sep, Environmental analysis, health and toxicology
DOI:10.5620/eaht.2025s07
PMID:41265416
|
综述 | 本文探讨了大数据和人工智能在毒理学数字化转型中的潜力与挑战，重点关注毒性数据库现状、AI方法及其在化学风险评估中的应用 | 系统整合了毒性数据库、AI方法（包括机器学习、深度学习和大型语言模型）及案例研究，并强调了解释性AI和不良结局通路框架的结合以提升模型可解释性 | 高质量同质数据集有限，AI模型的黑箱性质阻碍了监管接受度 | 推动毒理学从观察科学向预测科学转型，通过AI现代化化学风险评估 | 毒性数据库、AI方法（如机器学习和深度学习）、化学优先排序案例 | 机器学习 | NA | NA | 机器学习, 深度学习, 大型语言模型 | 大数据 | NA | NA | NA | NA | NA |
| 1269 | 2026-03-18 |
Rural Medical Centers Struggle to Produce Well-Calibrated Clinical Prediction Models: Data Augmentation Can Help
2025-Jun-17, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.06.16.25329699
PMID:40585177
|
研究论文 | 本文探讨了农村医疗中心在临床预测模型校准方面的挑战，并通过数据增强技术提升模型性能 | 首次系统评估了农村医疗中心在模型校准中的样本量不足问题，并验证了合成数据生成技术在改善模型性能方面的有效性 | 研究主要基于特定医院网络和ICU数据集，可能无法完全代表所有农村医疗场景 | 研究医疗预测模型在农村医疗环境中的可移植性和校准问题 | 医院网络数据和多中心ICU数据集 | 机器学习 | NA | 合成数据生成 | 深度学习模型 | 临床数据 | 来自真实医院网络和多中心ICU数据集 | NA | NA | 校准度 | NA |
| 1270 | 2026-03-18 |
Comparison of time-series models for predicting physiological metrics under sedation
2025-06, Journal of clinical monitoring and computing
IF:2.0Q2
DOI:10.1007/s10877-024-01237-z
PMID:39470955
|
研究论文 | 本研究全面比较了多种时间序列模型在生理指标预测中的应用，重点关注麻醉深度评估中的双频指数预测 | 系统比较了传统药代动力学-药效学模型、统计模型与现代深度学习模型在双频指数预测中的性能，并探索了单变量与多变量预测方案 | NA | 评估和比较不同时间序列模型在预测手术中镇静深度关键指标双频指数的性能 | 从真实手术中收集的生理指标数据集，用于预测双频指数 | 机器学习 | NA | NA | LSTM, GRU, TCN, Transformer, ARIMA, VAR | 时间序列数据 | NA | NA | LSTM, GRU, TCN, Transformer | NA | NA |
| 1271 | 2026-03-18 |
Expert consensus document on artificial intelligence of the Italian Society of Cardiology
2025-05-01, Journal of cardiovascular medicine (Hagerstown, Md.)
DOI:10.2459/JCM.0000000000001716
PMID:40331418
|
专家共识 | 本文是意大利心脏病学会关于人工智能在心血管疾病管理中应用的专家共识文件 | 整合了人工智能在心血管疾病诊断、预后和管理中的最新应用，并强调了其在识别患者表型和改善临床决策方面的潜力 | 算法的外部有效性无法保证，结果的可解释性存在“黑箱”问题 | 探讨人工智能在心血管疾病管理中的应用潜力和挑战 | 心血管疾病患者，包括高血压、缺血性心脏病、浸润性心肌病和心房颤动等 | 机器学习 | 心血管疾病 | 机器学习，深度学习 | 人工神经网络 | 医院数据集，心电图，超声心动图采集数据 | NA | NA | NA | 准确性 | NA |
| 1272 | 2026-03-18 |
Sex-based differences in imaging-derived body composition and their association with clinical malnutrition in abdominal surgery patients
2025-Apr-07, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.05.25325276
PMID:40453372
|
研究论文 | 本研究通过深度学习分析腹部手术患者术前CT影像中的身体成分，探讨了性别差异在身体成分与临床营养不良关联中的作用 | 首次使用深度学习对男性和女性腹部手术患者进行全面的身体成分评估，并分别分析其与营养不良的性别特异性关联 | 研究为单中心回顾性设计，可能受选择偏倚影响，且未考虑所有潜在混杂因素 | 评估术前影像衍生的身体成分特征与临床营养不良之间的性别特异性关联 | 接受腹部手术并进行了术前CT扫描的患者 | 数字病理学 | 营养不良 | 计算机断层扫描（CT） | 深度学习 | 医学影像（CT扫描） | 1,143名患者（52%为女性） | NA | NA | 比值比（OR）, p值 | NA |
| 1273 | 2026-03-18 |
Accelerated Discovery of Cell Migration Regulators Using Label-Free Deep Learning-Based Automated Tracking
2025-Apr-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.01.646705
PMID:40236190
|
研究论文 | 本文介绍了一种基于无标记深度学习的自动化细胞追踪方法DeepBIT，用于高通量研究细胞迁移，特别是在癌症细胞迁移中的应用 | 开发了无需荧光标记的深度学习自动化追踪方法DeepBIT，实现了高通量单细胞迁移分析，显著提高了实验效率 | 方法主要针对癌症细胞迁移，可能在其他细胞类型或疾病模型中的适用性未充分验证 | 研究细胞迁移的调控机制，特别是在癌症转移等疾病过程中的作用 | 癌症细胞迁移行为 | 计算机视觉 | 癌症 | 时间延迟视频成像，CRISPR介导的基因敲除，小分子抑制剂筛选 | 深度学习 | 视频 | 约130万追踪细胞，覆盖840种不同条件 | NA | NA | NA | NA |
| 1274 | 2026-03-18 |
Artificial intelligence based detection and control strategies for river water pollution: A comprehensive review
2025-04, Journal of contaminant hydrology
IF:3.5Q2
DOI:10.1016/j.jconhyd.2025.104541
PMID:40112582
|
综述 | 本文对2019年至2024年间人工智能技术在河流水质污染检测与控制领域的应用进行了全面回顾 | 系统梳理了机器学习、深度学习及物联网技术在河流水质模拟中的最新进展与应用，并探讨了多技术融合在实时监测与预测方面的潜力 | 作为综述文章，未提出新的原创模型或方法，主要基于对现有文献的分析与总结 | 评估人工智能技术在河流水质污染检测与控制领域的应用现状与发展趋势 | 河流水质污染 | 机器学习 | NA | NA | ANN, DNN, LSTM, RF | 水质相关数据集 | 分析了超过110篇研究文章 | NA | NA | NA | NA |
| 1275 | 2026-03-18 |
UK Biobank MRI data can power the development of generalizable brain clocks: A study of standard ML/DL methodologies and performance analysis on external databases
2025-Mar, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121064
PMID:39892529
|
研究论文 | 本研究开发并比较了多种机器学习和深度学习脑时钟模型，用于基于T1加权MRI扫描预测大脑年龄，并评估其作为神经退行性疾病生物标志物的潜力 | 提出了一个综合流程，整合了多样化的预处理策略和校正项，训练并比较了广泛的ML/DL脑时钟模型，并设计了一个统计框架来评估年龄预测性能、跨队列稳健性及其作为生物标志物的潜力 | NA | 开发通用的脑时钟模型，用于年龄预测和神经退行性疾病的生物标志物研究 | 健康个体和神经退行性疾病患者（如痴呆症） | 数字病理学 | 神经退行性疾病 | T1加权MRI扫描 | 惩罚线性机器学习模型,深度学习模型 | 图像 | 来自UK Biobank、ADNI和NACC数据集的MRI扫描 | NA | NA | 平均绝对误差,AUROC | NA |
| 1276 | 2026-03-18 |
A Lesion-aware Edge-based Graph Neural Network for Predicting Language Ability in Patients with Post-stroke Aphasia
2025, Machine learning in clinical neuroimaging : 7th international workshop, MLCN 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 10, 2024, proceedings. MLCN (Workshop) (7th : 2024 : Marrakesh, Morocco)
DOI:10.1007/978-3-031-78761-4_9
PMID:41800187
|
研究论文 | 本文提出了一种基于病变感知的图神经网络（LEGNet），用于从卒中后失语症患者的静息态功能磁共振成像（rs-fMRI）连接性中预测语言能力 | LEGNet整合了边缘学习模块、病变编码模块和子图学习模块，利用功能相似性进行预测，并在合成数据上进行超参数调优和预训练，展示了在脑损伤患者中学习rs-fMRI连接性与语言能力关系的潜力 | 研究使用了内部数据集，且第二个数据集的神经影像协议略有不同，可能影响泛化能力的全面评估 | 预测卒中后失语症患者的语言能力，以改进卒中后失语症的评估 | 卒中后失语症患者 | 数字病理学 | 卒中后失语症 | rs-fMRI | 图神经网络（GNN） | 神经影像数据（rs-fMRI） | 内部神经影像数据集，具体样本数量未在摘要中明确说明 | NA | LEGNet | NA | NA |
| 1277 | 2026-03-18 |
Tracking the Evolving Role of Artificial Intelligence in Implementation Science: Protocol for a Living Scoping Review of Applications, Evaluation Approaches and Outcomes
2025, F1000Research
DOI:10.12688/f1000research.171774.2
PMID:41835982
|
研究方案 | 本文提出了一项关于人工智能在实施科学中应用、评估方法和成果的活体范围综述协议 | 采用活体范围综述方法，以跟踪人工智能在实施科学中快速演变的角色 | NA | 绘制人工智能在实施研究和实践中的应用图景，识别评估方法、报告成果及潜在风险，并综合研究空白和机遇 | 实证研究、系统综述、灰色文献和政策文件 | 自然语言处理, 机器学习 | NA | 机器学习, 深度学习, 自然语言处理, 大语言模型 | NA | 文本 | NA | NA | NA | NA | NA |
| 1278 | 2026-03-18 |
A Lesion-aware Edge-based Graph Neural Network for Predicting Language Ability in Patients with Post-stroke Aphasia
2024-Sep-03, ArXiv
PMID:39279836
|
研究论文 | 本研究提出了一种病变感知的图神经网络（LEGNet），用于预测中风后失语症患者的语言能力，通过整合功能连接、病变编码和子图学习模块 | LEGNet模型创新性地结合了基于边缘的学习模块、病变编码模块和子图学习模块，以利用功能相似性进行预测，并在合成数据和真实数据上验证了其优越性能 | 研究使用了内部神经影像数据集，且第二个数据集的采集协议略有不同，可能影响泛化能力的全面评估 | 预测中风后失语症患者的语言能力，以改进中风后失语症的评估方法 | 中风后失语症患者 | 自然语言处理 | 中风后失语症 | 静息态功能磁共振成像（rs-fMRI） | 图神经网络（GNN） | 神经影像数据 | 内部神经影像数据集，具体样本数量未在摘要中明确说明 | NA | LEGNet | NA | NA |
| 1279 | 2026-03-18 |
Learning co-plane attention across MRI sequences for diagnosing twelve types of knee abnormalities
2024-09-02, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-51888-4
PMID:39223149
|
研究论文 | 本文提出了一种融合多序列MRI共平面注意力的深度学习模型，用于自动诊断12种膝关节异常 | 引入了跨图像序列的共平面注意力机制，并使用了当前最大、最全面的多序列膝关节MRI异常数据集进行验证 | 未明确说明模型在外部验证集上的泛化性能，也未详细讨论计算复杂度 | 开发一种能够辅助放射科医生准确诊断多种膝关节异常的自动化深度学习模型 | 膝关节磁共振成像（MRI）序列 | 计算机视觉 | 膝关节异常 | 多序列磁共振成像（MRI） | 深度学习模型（具体架构未明确，但包含注意力机制） | 图像（MRI序列） | 1748名受试者，涵盖12种异常类型 | NA | NA（提及包含共平面注意力机制） | 受试者工作特征曲线下面积（AUC），准确率 | NA |
| 1280 | 2026-03-18 |
Validation of an AI-Powered Automated X-ray Bone Age Analyzer in Chinese Children and Adolescents: A Comparison with the Tanner-Whitehouse 3 Method
2024-09, Advances in therapy
IF:3.4Q2
DOI:10.1007/s12325-024-02944-4
PMID:39085749
|
研究论文 | 本研究验证了一款基于深度学习的AI骨龄分析仪在中国儿童和青少年中的临床适用性，并与Tanner-Whitehouse 3方法进行了性能比较 | 首次在中国多中心大规模验证商业AI骨龄分析仪的临床性能，并直接与医生评估者进行对比，展示了AI在骨龄评估中的准确性和效率优势 | 研究仅针对中国儿童和青少年群体，未涉及其他种族或成人群体，且仅比较了TW3方法 | 验证AI驱动的自动化骨龄评估系统在临床实践中的准确性和适用性 | 中国儿童和青少年的X射线影像 | 医学影像分析 | 儿童生长发育评估 | X射线成像 | 深度学习模型 | X射线影像 | 来自中国30个中心的900名儿童和青少年 | NA | NA | 平均绝对误差, 绝对误差小于1年的患者百分比 | NA |